Hasil Pencarian  ::  Simpan CSV :: Kembali

"ABSTRAKTesis ini membahas identifikasi sistem kiln semen dengan Jaringan Syaraf Tiruan (JST), yang meliputi penentuan parameter yang dibutuhkan untuk pemodelan sistem tersebut, dan perancangan JST yang digunakan untuk identifikasi tersebut. Dalam tesis ini digunakan struktur Multi-Layer Feedforward Network yang terdiri dari lapisan masukan, lapisan keluaran dan 2 buah lapisan tersembunyi. Data diperoleh dari kiln semen yang sebenarnya yaitu dari Pabrik Tuban-II PT. Semen Gresik (Persero) tbk., kemudian data tersebut digunakan untuk melatih JST. Untuk melakukan identifikasi menggunakan model masukan-keluaran dengan struktur serial-paralel dan pelatihan JST tersebut menggunakan algoritma Error Back Propagation. Hasil identifikasi selanjutnya disimulasikan dan dibandingkan dengan plant yang sebenarnya.

---

ABSTRACT

This thesis discuss about system identification of cement kiln using Artificial Neural Network (ANN). The process of system identification using ANN requires to define of the input and output parameters, and to decide ANN's structure. In this thesis, the Feedforward Multi-Layer Network is used which contain input layer, output layer and two hidden layers. The data are collected from the real cement kiln at Pabrik Tuban-II PT. Semen Gresik (Persero) tbk, then good data are selected for training the ANN. In this thesis is using Serial-Parallel Structure and training algorithm is using Error Back Propagation method. The result of the identification is then simulated and compared to the real plant."

"Pada skripsi ini akan dirancang suatu sistem pengendalian ketinggian air untuk sistem coupled tank pp-00 berdasarkan pengendali jaringan syaraf tiruan dengan metode pelatihan adaptive interaction. Sistem yang digunakan disusun berdasarkan bentuk tangki terhubung dengan satu masukan dan satu keluaran (SISO). Sesuai dengan waktu cuplik yang telah ditentukan, komputer akan menerima data-data hasil cuplikan sensor berupa ketinggian air pada tangki kedua dengan memberikan masukan air pada tangki pertama. Pengendalian ketinggian air didasarkan pada error yang dihasilkan antara data-data yang berasal dari sensor pada tangki kedua sebagai titik ketinggian air sistem yang akan diatur dan titik acuan yang telah didefinisikan terlebih dahulu sebagai nilai setpoint. Digunakan dua buah masukan pada pengendali jaringan syaraf tiruan yaitu error pada waktu pencuplikan sekarang dan waktu pencuplikan sebelumnya. Untuk melihat bagaimana kerja dari pengendali jaringan syaraf tiruan ini akan dilakukan perubahan parameter-parameter dari jaringan syaraftiruan ini, seperti banyaknya neuron pada lapisan tersembunyi, dan konstanta pelatihan. Untuk membantu pengendali jaringan syaraf tiruan, akan diberikan pengendali tambahan yaitu pengendali feedforward. Pengendali ini kemudian akan dibandingkan performa kerjanya dengan pengendali konvensional yang telah lama dikenal, yaitu pengendali PI. Hasil simulasi memperlihatkan bahwa pengendali jaringan syaraftiruan ini dapat memberikan hasil yang lebih baik dengan pengendali PI, selain itu dengan melakukan perubahan-pembahan pada parameter jaringan syaraf tiruan dapat membantu kinerja pengendali agar dapat mengendalikan sistem menjadi lebih baik. Pada akhirnya rancangan pengendali jaringan syaraf tiruan ini ditambahkan dengan pengendali feedforward yang terbukti dapat meningkatkan kinerja pengendali jaringan syaraftiruan ini."

"Salah satu masalah dalam pengendahan robot bergerak otonom adalah tingkat ketidak linierannya. Pengendali cerdas yang sering digunakan pada aplikasi robot adalah jaringan syaraf tiruan. Pengendali jaringan syaraf tiruan memiliki kemampuan belajar dan mampu beradaptasi terhadap perubahan sehingga mampu mengatasi masalah pengendalian pada robot bergerak otonom. Pembahasan meliputi pemodelan sistem dan perancangan pengendali jaringan syaraf tiruan untuk mengendalikan sudut heading robot. Pembelajaran jaringan syaraf tiruan dilakukan secara off-line. Analisa dilakukan terhadap hasil pelatihan yaitu pergerakkan robot pada beberapa lingkungan yang berbeda-beda. Pengendali jaringan syaraf tiruan mampu mengendalikan gerak robot hingga mencapai sasaran tanpa mengenai rintangan jika lingkungan robot sesuai dengan sifat-sifat pergerakan robot dan letak sasaran dapat dijangkau oleh sensor robot."

"It has been studied the forecasting of electric power peak load in the Indonesian electric system byusing Artificial Neural Network (ANAU) Back Propagation method with the study period is 2000 - 2025.The long-range forecasting of electric peak load is influenced by economic factors. in this study, it?sselected the economic data which is estimated very influence to forecasting, which in this case becomeinput ofAN1\L i. e.: Gross of Domestic Product (GDP) per-capita, Population, Amount of Households,Electrification Ratio, Amount of CO, Pollution, Crude Oil Price, Coal Price, Usage of Final Energy,Usage Qf Final Energy on Industrial Sector; and Average Electric Charges. Data used for study areactual data, start year 1990 up to 2000. Result of the peak load forecasting in the end of study (2025) byusing ANN is 85,504 MHC meanwhile the load forecasting in the National Electricity General lan(NEGP) is 79,920 MW (the difference of both is about 6. 6%). Based on ANN approach is obtained resultsthat the peak load forecasting in Indonesia in the year 2005, 2010, 2015, 2020 and 2025 are 16,516 MHC24,402 MHC 36, 15 7 MIK 56,060 MW and85,584 MW respectively."

"Kemajuan teknologi dewasa ini menuntut adanya sebuah sistem yang lebih cepat, tepat dan akurat terutama dalam hal pengolahan citra hasil dari satelit penginderaan Saat ini saja setiap harinya setiap satelit geostationer menghasilkan 25 GB data yang harus sesegera mungkin di olah. Berbagai macam metode pengolahan texture pada citra yang ada saat ini, seperti Grey Level Co-occurrence Matriks. Sum and Difference Histogram, Variogram dan lain sebagainya pun terus berkembang menyesuaikan kebutuhan akan pengolahan citra yang berkembang setiap harinya Skripsi ini akan membahas identifikasi dan klasifikasi empat macam objek alami, yaitu pohon, rumput, langit dan sungai Metode Sum and Difference Histogram digunakan dalam mengolah tekstur pada citra-citra tersebut, kemudian sistem yang digunakan adalah Jaringan Syaraf Tiruan Propagasi Balik Sistem jaringan yang dirancang menggunakan tiga layer yaitu input layer, hidden layer dan output layer. Pada saat training dan proses identifikasi citra akan dilakukan perbandingan sistem kerja jaringan dengan berbagai macam neuron pada hidden layer. Pengujian beberapa jaringan ini akan memperlihatkan sistem jaringan terbaik yang kemudian akan digunakan dalam proses pengklasifikasian suatu citra yang didalamnya terdapat lebih dari satu objek alami. Hasil Simulasi menunjukkan bahwa sistent terbaik untuk identifikasi ialah sistem dengan menggunakan 25 neuron pada hidden layer. Preseutase sistem dapat mengenali citra yang sudah dipelajarinya ialah 92,67 % kemudian presentase tingkat generalisasi sistem dapat mengenal citra-citra baru yang masih termasuk ke dalam kelas yang telah dipelajarinya ialah 87.91 %."

"Perubahan resistivitas relatif (respon) setiap sensor dal= sistem sensor penciuman (berupa susunan 6 macam sensor gas dari bahan semikonduktor) terhadap 4 macam aroma kopi (arabica, rabusta, frezee-dried dan spray-dried) yang pemah dilakukan oleh Tetsuo Aisima (1990), membentuk pola yang khas dan sulit diidentifikasi dengan metoda konvensional. Salah satu alternatif metoda identifikasi yang dilakukan adalah dengan membangun sistem jaringan syaraf tiruan propagasibalik (JSTPP). Pola-pola respon tersebut, digunakan untuk melatih dan menguji JSTPP. Hasil identifikasi, menunjukkan bahwa JSTPP mampu mengklasifikasi semua pola yang dilatihkan dan pola-pola kritis dari pola latih (asalkan deviasi standarnya kurang dari 10% dari respon rata-ratanya)."

"ABSTRAKTidak terlalu berlebihan jika dikatakan bahwa perkembangan ekonomi secara keseluruhan harus pula diukur dari seberapa jauh perkembangan pasar modal dan industri sekuritas pada negara tersebut. Keputusan investasi dari seorang pemodal yang rasional didahului oieh suatu proses analisis terhadap variabel yang secara fundamental diperkirakan akan mempengaruhi harga suatu saham. Pada ekstrem yang lain sebagian pemodal menganggap bahwa jual bell saham adalah karena cepatnya perubahan harga (pin point technical analisis) atau faktor waktu (timing).Sistem jaringan syaraf tiruan adalah sistem jaringan yang meniru jaringan syaraf biologis. Sistem komputasi jaringan syaraf tiruan ini mempunyai kemampuan untuk mengatasi masalah-masalah yang non-algoritmik, selain itu juga rnampu menangani masalah yang memiliki data rumit mempunyai derau, dan tidak lengkap.Pada skripsi ini dibuat perangkat lunak Sistem Jaringan Syaraf Tiruan untuk Memprediksi Saham, menggunakan metode propagasi umpan balik (back propagation), dengan menggunakan data perubahan harga (pin point technical analisis) dan akan diadakan uji coba perangkat lunak tersebut.Dari hasil uji coba yang dilakukan diperoleh hasil bahwa sistim jaringan syaraf tiruan memiliki hasil prediksi yang cukup akurat dengan tingkat kesaiahan yang cukup kecil. Peningkatan selanjutnya adalah penambahan masukan sebagai pembanding daiam proses pembelajarannya juga proses coba-coba untuk nendapatkan bobot yang sangat baik."

"Tesis ini membahas identifikasi sistem dan inversi sistem untuk sistem evaporasi limbah cair radioaktif dengan Jaringan Syaraf Tiruan (JST), yang meliputi penentuan parameter JST yang diperlukan. Perancangan model JST dimaksudkan untuk merancang sistem pengendalian inversi yang sesuai. Dalam tesis ini digunakan struktur Multi-Layer Feedforward Network, yang terdiri dari lapisan masukan, lapisan keluaran dan 2 buah lapisan tersembunyi. Data diperoleh dari evaporator limbah cair radioaktif yang sebenarnya, yaitu dari Pusat Pengelolaan Pengembangan Limbah Radioaktif (P2PLR), PT. BATAN, Serpong, yang kemudian data tersebut digunakan untuk melatih dan menguji JST. Identifikasi sistem dan inversi sistem dilakukan dengan menggunakan model JST dengan struktur serial-paralel dan pelatihan JST dengan menggunakan algoritma Error Back Propagation. Hasil identifikasi tersebut diuji dengan memberikan masukan referensi pads pengendali. Berdasarkan hasil tes tanggapan waktu lingkar terbuka dan perhitungan harga MAE (Mean Absolute Error), ternyata didapat bahwa hasil pengendalian plant adalah baik.

---

This thesis discusses about identification of system and inverse system of an evaporation of liquid waste system using Artificial Neural Network (ANN) that includes determining the parameters required to get the ANN's model of the system. The ANN's model is used to design an appropriate inverse controller for the plant system.

In this thesis, the Feed forward Multi-Layer Network is used which contains input layer, output layer and two hidden layers. The data are collected from the real evaporator of radioactive liquid waste plant at Pusat Pengelolaan Pengembangan Limbah Radio aktif (P2PLR), PT. SATAN, Serpong, then the data are used to train and to test the ANN.

The ANN is implemented by using serial-paralel structure and is trained using error back propagation method. The ANN's model is tested using a reference input to the controller.

Based on open loop time response test dan calculating the Mean Absolute Error (MAE), yields a good controlling to the plant."